[发明专利]一种基于卡尔曼滤波的IMU机载视觉姿态融合的方法

说明书

本发明公开了一种基于卡尔曼滤波的IMU机载视觉姿态融合的方法，主要包括步骤S300：基于卡尔曼滤波的IMU/机载视觉姿态融合；采集IMU实验数据并经过四元数解算得到姿态角数据，同时对图像采集的图片进行处理得到相机的内、外参数；采用卡尔曼滤波融合姿态角数据和外参数。本发明使飞机的实际位置测量更准确，本发明融合IMU及视觉信号，并采用扩展卡尔曼滤波算法进行多传感器信息融合以实现多传感器信息融合，本发明提高了引导信息的精度和可靠性。

技术领域

本发明属于无人机导航的技术领域，具体涉及一种基于卡尔曼滤波的IMU机载视觉姿态融合的方法。

背景技术

要成功完成自动着舰任务需要精确的引导信息，规划一个平滑的着舰轨迹，才能顺利的降落在甲板着舰点上。此外，有限的舰船甲板空间也对引导的精确度提出了更高的要求。多传感器信息融合方法为精确引导提供了一种可行方法；它可以利用多传感器的辅助属性进行估计，以获得更准确的估计。并且在此基础上，为了保证导引系统的兼容性以及容错率的提高，在GPS、视觉引导系统、激光雷达等传感器的支持下，对可能影响引导方案变化的因素进行了全面的分析，并针对性地制定了相应的解决措施，在最大程度上保证了着舰的准确性以及稳定性。

着舰引导系统采用多信息源冗余设计，充分考虑到复杂的海洋环境及其他应用环境，相互之间互为余度，互相补充，才能够保证在各种干扰下具有较高的可靠性和导引精度。

发明内容

本发明的目的在于提供一种基于卡尔曼滤波的IMU机载视觉姿态融合的方法，使飞机的实际位置测量更准确，本发明融合IMU及视觉信号，并采用扩展卡尔曼滤波算法进行多传感器信息融合以实现多传感器信息融合，本发明提高了引导信息的精度和可靠性。

本发明主要通过以下技术方案实现：一种基于卡尔曼滤波的IMU机载视觉姿态融合的方法，主要包括步骤S300：基于卡尔曼滤波的IMU/机载视觉姿态融合；采集IMU实验数据并经过四元数解算得到姿态角数据，同时对图像采集的图片进行处理得到相机的内、外参数；采用卡尔曼滤波融合姿态角数据和外参数。

为了更好的实现本发明，进一步的，所述步骤S300主要包括以下步骤：

步骤S301：IMU数据的采集频率为200Hz；

步骤S302：通过四元数解算姿态角：

步骤S303：相机内参数标定，相机的内部参数包括相机焦距f、主点坐标、像素大小；采用棋盘标定法间隙标定；

步骤S304：相机外参数解算：外参数求解就是旋转矩阵R与平移矩阵t的求解，然后进行坐标的变换；

步骤S305：将IMU数据和机载视觉数据进行融合：以实验采集数据模拟IMU和视觉信号，在拍摄时，变换摄像头姿态；相对于背景来说，有上视视角、右视视角和正面视角，采集连续的图片及对应的IMU数据，通过时间戳对齐，在matlab平台以及VS2013平台下，解算姿态角。

为了更好的实现本发明，进一步的，所述步骤S302主要包括以下步骤：

R'＝qRq'

式中，R表示被旋转的矢量，R'表示经四元数旋转之后的矢量，q表示四元数，q'表示其转置，四元数的标量部分表示转角的余弦值，其矢量部分表示瞬时转轴n的方向；下式表示矢量R相对参考坐标系旋转一个转角θ，旋转轴的方向由四元数的虚部确定，cosα、cosβ、cosγ表示旋转轴n与参考坐标系轴间的方向余弦值：

q＝λ+p₁i+p₂j+p₃k